基于多尺度方向特征的行人检测算法
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·人体检测的研究背景 | 第9-10页 |
| ·人体检测的研究现状 | 第10-12页 |
| ·概述 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文主要工作 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 第2章 基于机器学习的行人检测算法 | 第14-27页 |
| ·基于Haar-Like特征的行人检测算法 | 第14-20页 |
| ·Haar-Like特征 | 第14-16页 |
| ·积分图像 | 第16-17页 |
| ·AdaBoost分类器 | 第17-19页 |
| ·分类器级联(Cascade) | 第19-20页 |
| ·基于HOG特征的行人检测算法 | 第20-26页 |
| ·什么是HOG | 第20-22页 |
| ·HOG的实现流程 | 第22-24页 |
| ·Integral HOG和Extend HOG | 第24页 |
| ·SVM分类器 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于新特征的行人检测 | 第27-41页 |
| ·本文采用的人体目标检测算法 | 第27-29页 |
| ·MSO特征集的构造 | 第29-33页 |
| ·特征单元的构造 | 第29-32页 |
| ·AdaBoost特征集的构造 | 第32页 |
| ·SVM特征集的构造 | 第32-33页 |
| ·MSO特征集的特点 | 第33页 |
| ·分类器模型 | 第33-39页 |
| ·SVM分类器 | 第34-35页 |
| ·AdaBoost分类器 | 第35-39页 |
| ·物体检测 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第4章 实验结果与对比分析 | 第41-52页 |
| ·数据集的形成 | 第41-43页 |
| ·数据集(Data Set)的掐述 | 第41页 |
| ·数据标定的标准 | 第41-43页 |
| ·实验结果 | 第43-48页 |
| ·和其它的领先技术相比较 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第58-59页 |
| 致谢 | 第59页 |
